C++前缀和算法:合并石头的最低成本原理、源码及测试用例(一)

简介: C++前缀和算法:合并石头的最低成本原理、源码及测试用例

本文涉及的基础知识点

C++算法:前缀和、前缀乘积、前缀异或的原理、源码及测试用例 包括课程视频

动态规划,日后完成。

题目

有 n 堆石头排成一排,第 i 堆中有 stones[i] 块石头。

每次 移动 需要将 连续的 k 堆石头合并为一堆,而这次移动的成本为这 k 堆中石头的总数。

返回把所有石头合并成一堆的最低成本。如果无法合并成一堆,返回 -1 。

示例 1:

输入:stones = [3,2,4,1], K = 2

输出:20

解释:

从 [3, 2, 4, 1] 开始。

合并 [3, 2],成本为 5,剩下 [5, 4, 1]。

合并 [4, 1],成本为 5,剩下 [5, 5]。

合并 [5, 5],成本为 10,剩下 [10]。

总成本 20,这是可能的最小值。

示例 2:

输入:stones = [3,2,4,1], K = 3

输出:-1

解释:任何合并操作后,都会剩下 2 堆,我们无法再进行合并。所以这项任务是不可能完成的。.

示例 3:

输入:stones = [3,5,1,2,6], K = 3

输出:25

解释:

从 [3, 5, 1, 2, 6] 开始。

合并 [5, 1, 2],成本为 8,剩下 [3, 8, 6]。

合并 [3, 8, 6],成本为 17,剩下 [17]。

总成本 25,这是可能的最小值。

提示:

n == stones.length

1 <= n <= 30

1 <= stones[i] <= 100

2 <= k <= 30

分析

dp[begin][end]记录stones[begin,end)合并后的最小得分。时间复杂度O(nnn),状态数:n*n,转移状态时间复杂度O(n)。

状态转移

假定stones[begin,end)是由stone[begin,m)和stone[m,end)合并成的,m取值范围(begin,end)。stone[begin,m)简称左堆,stone[m,end)简称右堆。

左右两堆剩余石头数之和小于k dp[begin][end] = dp[begin][m]+dp[m][end]
左右两堆剩余石头数之和等于于k dp[begin][end] = dp[begin][m]+dp[m][end]+vPreSum[begin][end],石头发生了合并
左右两堆剩余石头数之和大于于k 抛弃

左右两堆剩余石头数之和大于于k

抛弃左右两堆剩余石头数之和大于于k,也可以找到最优解。

最后一轮 只有k个石头,故不会超过k
倒数第二轮 只有2k-1个石头,假定其范围是[i0,j0),倒数第二轮是[i1,j1), 那么[i0,j0)会合并,这时两堆石头恰好是k,故不会超过k

剩余石头数

每次合并后,石头数减少k-1。所有石头数减1,再对k-1求求余,再加1。

注意:先判断石头数是否是1,不是直接返回-1。

代码

核心代码

class Solution {
public:
  int mergeStones(vector<int>& stones, int K) {
    m_c = stones.size();
    if (1 != RemainLen(m_c,K))
    {
      return -1;
    }
    vector<int> vPreSum = { 0 };
    for (const auto& n : stones)
    {
      vPreSum.emplace_back(n + vPreSum.back());
    }
    vector<vector<int>> dp(m_c,vector<int>(m_c+1));//dp[i][j] 表示合并stones[i,j)的最小成本
    for (int len = 2; len <= m_c; len++)
    {
      for (int begin = 0; begin + len <= m_c; begin++)
      {
        const int end = begin + len;
        int iMin = INT_MAX;
        for (int m = begin + 1; m < end; m++)
        {
          const int iAdd = RemainLen(m - begin, K) + RemainLen(end - m, K);
          if (iAdd > K)
          {
            continue;
          }
          int cur = dp[begin][m] + dp[m][end];
          iMin = min(iMin, cur);
        }
        if (1 == RemainLen(len, K))
        {
          iMin += vPreSum[end] - vPreSum[begin];
        }
        dp[begin][end] = iMin;
      }     
    }
    return dp.front().back();
  }
  int RemainLen(int len, int k)
  {
    return 1+(len - 1) % (k - 1);
  }
  int m_c;
};

测试代码

template<class T>
void Assert(const vector<T>& v1, const vector<T>& v2)
{
  if (v1.size() != v2.size())
  {
    assert(false);
    return;
  }
  for (int i = 0; i < v1.size(); i++)
  {
    assert(v1[i] == v2[i]);
  }
}
template<class T>
void Assert(const T& t1, const T& t2)
{
  assert(t1 == t2);
}
int main()
{
  vector<int> stones = { 3,5,1,2,6 };
  int k = 3;
  int res = Solution().mergeStones(stones, k);
  Assert(25, res);
  stones = { 3,2,4,1 };
   k = 2;
   res = Solution().mergeStones(stones, k);
  Assert(20, res); 
  stones = { 1,2,3,4,5,6,7 };
  k = 3;
  res = Solution().mergeStones(stones, k);
  Assert(49, res);
  stones = { 1,2,3,4,5,6,7 };
  k = 4;
  res = Solution().mergeStones(stones, k);
  Assert(38, res);
  stones = { 1,2,3,4,5,6,7,8,9 };
  k = 5;
  res = Solution().mergeStones(stones, k);
  Assert(60, res);
  //
  stones = { 9, 8, 7, 6, 5, 4, 3, 2, 1 };
  k = 2;
  res = Solution().mergeStones(stones, k);
  Assert(135, res);
  stones = { 9,8,7,6,5,4,3,2,1 };
  k = 3;
  res = Solution().mergeStones(stones, k);
  Assert(87, res);
  stones = { 10,9,8,7,6,5,4,3,2,1 };
  k = 4;
  res = Solution().mergeStones(stones, k);
  Assert(91, res);
  //
  stones = { 5,8,7,6,5,12,13,14,4,3,2,1,2 };
  k = 4;
  res = Solution().mergeStones(stones, k);
  Assert(155, res);
  stones = { 2,8,7,6,5,12,13,14,4,3,2,1,2 };
  k = 5;
  res = Solution().mergeStones(stones, k);
  Assert(119, res);
  //CConsole::Out(res);
}

相关文章
|
6天前
|
算法 数据中心 C++
基于C++雪花算法工具类Snowflake -来自chatGPT
基于C++雪花算法工具类Snowflake -来自chatGPT
9 1
|
6天前
|
算法 搜索推荐 C++
C++之STL常用算法(遍历、查找、排序、拷贝、替换、算数生成、集合)
C++之STL常用算法(遍历、查找、排序、拷贝、替换、算数生成、集合)
14 0
|
8天前
|
算法 前端开发 安全
C++算法模板
C++算法模板
8 0
|
11天前
|
算法 数据处理 C++
C++一分钟之-迭代器与算法
【6月更文挑战第21天】C++ STL的迭代器统一了容器元素访问,分为多种类型,如输入、输出、前向、双向和随机访问。迭代器使用时需留意失效和类型匹配。STL算法如查找、排序、复制要求特定类型的迭代器,注意容器兼容性和返回值处理。适配器和算法组合增强灵活性,但过度使用可能降低代码可读性。掌握迭代器和算法能提升编程效率和代码质量。
24 3
|
11天前
|
芯片
LDO的原理及测试方法
LM317是一种可调稳压器,核心是Bandgap Reference,用于提供1.25到37V的输出电压和1.5A的电流。了解其内部结构有助于测试和电路设计,例如理解温度系数对稳定性的影响,以及参数如IADJ(通常为50uA)的设计。测试时关注输出电压的线性和负载调整率,同时注意输入电流与输出电流的关系。LM317的测试还包括参考电压、滤波器性能、纹波抑制比等,确保电路的稳定性和效率。在多站点测试中,还需确保辅助电路的一致性和校准。
21 4
|
11天前
|
机器学习/深度学习 算法
简单遗传算法 + 最低水平线算法求解二维排样问题
简单遗传算法 + 最低水平线算法求解二维排样问题
11 0
|
11天前
|
算法 Python
二维矩形件排样算法之最低水平线搜索算法实现
二维矩形件排样算法之最低水平线搜索算法实现
9 0
|
11天前
|
机器学习/深度学习 移动开发 算法
二维矩形件排样算法之最低水平线算法实现
二维矩形件排样算法之最低水平线算法实现
10 0
|
15天前
|
算法 Java
[Java·算法·中等] LeetCode21. 合并两个有序链表
[Java·算法·中等] LeetCode21. 合并两个有序链表
15 2
|
15天前
|
算法 前端开发 Linux
【常用技巧】C++ STL容器操作:6种常用场景算法
STL在Linux C++中使用的非常普遍,掌握并合适的使用各种容器至关重要!
38 10